[发明专利]一种智能选课推荐的方法

说明书

技术领域

本发明涉及高校选课系统中智能选课。

背景技术

高校教育体制改革以后，高校纷纷向多学科综合型方向发展。学科专业覆盖面不断扩大，课程的开设也随之不断增加。课程数目的增加为学生选修课程带来更多的选择，但是过多的课程也使得学生的选课不可避免地出现盲目性。目前，教学管理系统的广泛应用积累了大量的教学实践数据，但是，这些数据隐含的信息并没有被充分挖掘利用。为了充分利用已有的教学实践数据，关联规则数据挖掘已被广泛地应用到了教学管理中来，主要可以分为面向学生、面向教师和面向课程的分析。关联规则的应用对提高教学质量起到了一定的促进作用，但是如果支持度和置信度选取不当，会造成计算时间过长或者严重影响挖掘效果。同时，利用关联规则挖掘出的信息都针对所有用户，没有充分地考虑到用户的兴趣度。学生对课程的评分很大程度上代表了学生兴趣爱好，但是大量的学生评价数据以及过往选课数据并未得到有效利用。如果能利用学生评价数据，加上已有的学生选课数据以及课程关联性数据，就有可能对每一个学生作出个性化的课程推荐，可以有效地解决学生选课的盲目性。在目前的个性化推荐技术中，基于内容和协同过滤技术是最为成功和应用最为广泛的个性化推荐技术。本专利给出一种基于协同过滤和内容的多维度智能课程推荐系统。

发明内容

本发明所要解决的问题：当前选课系统的关联性差，针对性不足，学生选课盲目。

为解决上述问题，本发明采用的方案如下：

一种智能选课推荐的方法，包括以下步骤：

S1：通过计算获得与当前学生网上选课行为相似的学生的集合，综合这一集合中的学生对可选课程的评价计算当前学生对课程的网上选课行为的预测评分，获得当前学生的推荐选课集Class_set1；

S2：通过计算获得与当前学生的课程评分相似的学生的集合，综合这一集合中的学生对可选课程的评价计算当前学生对课程评分预测值，获得当前学生的推荐选课集Class_set2；

S3：通过计算获得与当前学生的选课相似的学生的集合，将已经被这一集合中的学生选择的课程作为当前学生的推荐选课集Class_set3；

S4：通过课程图谱树得到推荐选课集Class_set4；

S9：综合Class_set1、Class_set2、Class_set3和Class_set4得到推荐选课集。

进一步，根据本发明的智能选课推荐的方法，所述步骤S1包括：

S11：获取学生对课程的网上选课行为的评分：P_i,j；

S12：计算各学生与当前学生网上选课行为的相似度：

S13：选取与当前学生网上选课行为的相似度最大的前N1个学生组成学生集Student_set1；

S14：根据学生集Student_set1中学生对课程的网上选课行为的评分以及与当前学生网上选课行为的相似度计算当前学生对课程的网上选课行为的预测评分：

S15：选取当前学生对可选课程的网上选课行为的预测评分最高的前N2个课程组成Class_set1；

其中，P_i,j为第i个学生对第j课程的网上选课行为的评分；P_0,j为当前学生对第j课程的网上选课行为的评分；为当前学生网上选课行为评分的平均值；为第i个学生网上选课行为评分的平均值；SA_i为第i个学生与当前学生的网上选课行为相似度；TA_j为当前学生对第j课程的网上选课行为的预测评分。

进一步，根据本发明的智能选课推荐的方法，所述步骤S2包括：

S21：获取学生对课程的评分：C_i,j；

S22：计算与当前学生评分相似度：

S23：选取与当前学生评分相似度最大的前N3个学生组成学生集Student_set2；

S24：根据学生集Student_set2中学生对课程的评分以及与当前学生评分相似度计算当前学生对各课程评分的预期值